代码改变世界

Mongoose源码剖析：外篇之web服务器

2010-07-24 06:34  吴秦  阅读(16582)  评论(3)  编辑  收藏  举报

引言

在深入Mongoose源码剖析之前，我们应该清楚web服务器是什么？它提供什么服务？怎样提供服务？使用什么协议？客户端如何唯一标识web服务器的资源？下面我们抛开Mongoose，来介绍一个web服务的这些通性。

web服务器：通常是指一个计算机程序（web服务器是什么？），在World Wide Web上提供诸如web页面的服务（提供什么服务？），使用HyperText Transfer Protocol（HTTP）（使用什么协议？）。当然web服务器也可以指运行这个程序的计算机或虚拟机，我们这里讲到的web服务器是指程序。

本文的主要内容如下：

  • 1、web服务器
  • 2、web服务器怎样提供服务
  • 3、web服务器使用的协议
  • 4、客户端如何唯一标识web服务器的资源
  • 5、当前比较流行的web服务器

1、web服务器

web服务器的主要功能就是传送web页面给clients。这意味着，传送HTML文档和其它包含在文档中的内容，诸如images、style sheets、JavaScripts。client通常是一个web浏览器或web爬虫，使用HTTP发起一个指定资源的请求，web服务器用指定的内容响应请求，或当不能做指定请求时返回一个错误消息。请求的资源通常是web服务器的辅助存储器上的一个实际文件，但是这不是必须，取决于web服务器的实现。

虽然web服务器的主要功能是提供内容，但一个完整的HTTP实现还包括接收来自client的内容。这个功能用于提交web表单，包括上载文件。

许多web服务器也支持服务器端脚本，例如，Apache Http服务器和PHP。这意味着，web服务器的行为可以写成脚本分离到分散的文件中，然而实际的服务器软件仍然保持不变。通常的，这个功能用于创建HTML文档，相对于返回固定的文档。这分别涉及到动态和静态内容。前者主要检索和（或）修改数据库中的信息，然而后者通常更快和更容易缓存。

web服务器并不总是用在万维网上，也可以嵌入到诸如打印机、路由器、网络摄像机和本地网络，这时web服务器可用于系统的监视部分，或设备的管理部分。

2、web服务器怎样提供服务

你想过没有，当你在浏览器中看到我这篇日志的时候，它是如何显示到你的浏览器的呢？虽然这个过程很大程度上去取决于web服务器，但他们仍有共性。典型的，当用户通过点击一个超链接或在浏览器的地址栏中输入一个URL浏览一个web站点。但是同一个站点如何同时在网络上的不同计算机上显示的呢？

以我博客的主页为例，当你在浏览器的地址栏中输入http://home.cnblogs.com/skynet/时，通过一个Internet连接，通过将域名转换为ip地址，然后定位到博客园服务器，你的浏览器初始化一个与博客园web服务器的连接。web服务器上存储了我的博客里所有的资源，如我写的每篇文章、文章中用到的图片、还有博客模板中用到的css、脚本等等。

一旦连接建立，浏览器使用HTTP从web服务器请求数据，服务器传输数据给你的浏览器。浏览器接着转换和格式化数据显示到你的浏览器中。类似的，web服务器可以同时发生文件到多个client，允许多个client同时浏览同一页面。

image

图1、Web客户端与服务器端的交互

当然，我这里描述的比较简单，更详细的步骤请参考：

3、web服务器使用的协议

相信通过上面的介绍，你已经知道了web服务器与client是通过HTTP来交互的。关于HTPP，我以前写过博文介绍过：HTTP协议及其POST与GET操作差异 & C#中如何使用POST、GET等，我非常自信的推荐你去阅读以下这篇文章，比较详细地介绍了HTTP及其与client的交互过程，我这里就不再累述了。

4、客户端如何唯一标识web服务器的资源

URI，没错就是它统一资源定位符（Uniform Resource Identifiers），用它唯一标识Internet的一个web页面。不过你可能听的更多的是URL，它是Uniform Resource Location的缩写，译为“统一资源定位符”。通俗地说，URL是Internet上用来描述信息资源的字符串，主要用在各种WWW客户程序和服务器程序上。采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。

URL的格式，URL的格式由下列三部分组成：

  • 第一部分是协议（或称为服务方式）
  • 第二部分是存有该资源的主机IP地址（有时也包括端口号）
  • 第三部分是主机资源的具体地址，如目录和文件名等。

第一部分和第二部分之间用“://”符号隔开，第二部分和第三部分用“/”符号隔开。第一部分和第二部分是不可缺少的，第三部分有时可以省略。其实关于://不是必须的，只是万维网当初是这样设计的，请Google or 百度《万维网之父说http://中的两道斜杠其实多余》。完整的URL的格式如下所示：

scheme://username:password@domain:port/path?query_string#anchor

scheme就是上面我们所说的协议部分，web服务器中通常用的就是HTTP和HTTPS，但它还可以是gopher、wais、ftp、mailto。

username:password@domain:port就是我们上面说的第二部分，一般我们都不用输入用户名和密码、还有端口（HTTP协议的端口号是80，一般默认都用的这个），而只是直接输入域名orIP地址。

path?query_string#anchor就是我们上面说的第三部分，path指定资源在服务器上的路径（注意：像这种archive/2010/05/18/1738301.html，不一定就是web服务器上的绝对路径，而是经过URL重写之后的路径，但不管怎么样说，它还是唯一标识了资源在服务器上的路径）；后面的query_string包含传递给web应用程序（如CGI）的数据。查询字符串以键/值对的形式，并且每个键值对之间用&隔开，如userId=skynet&password=123456；最后当使用HTTP，#anchor表示web页面的某一个部分。

以HTTP协议及其POST与GET操作差异 & C#中如何使用POST、GET等为例它的URL是：http://www.cnblogs.com/skynet/archive/2010/05/18/1738301.html。

上面说到URI和URL，肯定还有人不知道他们的区别，下面我来解释一下。URI：Uniform Resource Identifier，统一资源标识符；URL：Uniform Resource Locator，统一资源定位符；URN：Uniform Resource Name，统一资源名称。 其中，URL、URN是URI的子集。他们的关系如下图所示：

image

图2、URI、URL、URN的关系

Web上地址的基本形式是URI，它代表统一资源标识符。有两种形式：URL、URN。URL与URN好比，URN就像一个人的名字，然而URL就像这个人所在的位置地址。换句话说，URN定义了一个元素的标识符，URL提供方法来找到它。即URN不依赖于位置，并且有可能减少失效连接的个数。但是其流行还需假以时日，因为它需要更精密软件的支持。

5、当前比较流行的web服务器

下面是目前比较流行的几个web服务器软件，及他们2010年的市场份额。

Vendor

Product

Web Sites Hosted (millions)

Percent

Apache

Apache

111

54%

Microsoft

IIS

50

24%

Igor Sysoev

nginx

16

8%

Google

GWS

15

7%

lighttpd

lighttpd

1

0.46%

而我现在所研究的web服务器软件不在其中，之所以选Mongoose来研究，原因有三：

  • Mongoose比较小巧、容易使用，而且能够嵌入到现有的应用程序中。
  • 麻雀虽小，五脏俱全！Mongoose虽小巧，它具有基本的web服务器应该有的功能。通过研究它，可以更快地学习到web服务器软件的特性、实现细节。
  • Mongoose是开源的，可以自由使用。